• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.226-228
• /
• 2021

구글사에서 출시된 ML Kit API의 Pose detection를 사용한 영상기반 낙상 알고리즘을 제안한다. Pose detection 알고리듬을 사용하여 추출된 신체의 33개의 3차원 특징점을 활용하여 낙상을 인식한다. 추출된 특징점을 분석하여 낙상을 인식하는 알고리듬은 k-NN을 사용한다. 영상의 크기와 영상내의 인체의 크기에 영향을 받지 않도록 정규화과정을 거치며 특징점들의 상대적인 움직임을 분석하여 낙상을 인식한다. 본 실험을 위해 사용한 13개의 테스트 영상중 13개의 영상에서 낙상을 인식하여 100%의 성공률을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• 제어로봇시스템학회논문지
• /
• 제7권9호
• /
• pp.717-722
• /
• 2001

최근 국내 수출입 물량의 증가와 더불어 항망 및 물류 처리시설의 자동화에 대한 요구가 절실하다. 특히 제한된 공간 내에서 효율적으로 화물의 적화 및 하역을 해야하는 컨테이너 수송용 트레일러의 경우 후진 및 주차기능이 매우 중요하다. 일반적으로 트레일러 형 차량은 트랙터의 속도와 방향을 제어하여 트레일러의 위치 및 방위를 제어하는 논홀로노믹(Non-holonomic)제어시스템으로서 제어하기가 까다로우며 특히, 후방경로 주행에 있어서는 시스템이 불안정해지지 쉽기 때문에 더욱 더 정교한 제어가 요구되고 있다. 아울러 자립(Self-contained) 이동 시스템의 실제 구현에 있어서는 CPU의 처리능력, 뱃터리 용량 등 여러가지 물리적 제약조건을 고려하여 시스템을 통합하여야 하므로 시스템의 대형화나 알고리즘 복잡성을 줄이는 노력이 필요하다. 제어하는데 있어서 CPU에 부담을 덜어주기 위해 복잡한 알고리즘을 피하면서 광범위한 운전영역에서 큰 무리없이 동작할 수있도록 하는데 역점을 둘 필요가 있다. 따라서 본 논문에서는 선형 모델을 얻고 이를 근거로 후방직선경로를 안전하고 정확히 추종할수 있는 상대 피드백 제어기를 설계하는 무제를 다룬다. 일반적으로 트레일러형 로봇의 후방경로 제어는 몸체의 질량. 관성 등과 같은 동역학적 요소와 길이, 폭등과 같은 운동학적 요소가 동시에 고려되어져야 하지만, 로봇의 병진속도와 회전각속도 제어를 담당하는 하위의 제어기를 미리확보한 것으로 간주하고 운동학적 요소만을 고려하였다. 먼저 로봇의 비선형 기구학적 모델로부터 선형모델의구조를 결정하고, 실제 장치를 Sinusoidal 형태로 주행시키면서 얻어진 입출력 데이터와 실수코딩 유전알고리즘 (Real-coded genetic algorithm: RCGA)을 이용하여 그 파라미터를 추정한다. 이와 같이 추정된 모델에 기초한 상대 피드백 제어기가 극배치법으로 설계되어졌으며, 제안된 방법에 대한 유효성은 실제 실험장치를 통해 검증되어진다.}$/ml와 150 $\mu\textrm{g}$/ml로 hydroxyl radical의 소거 능이 좋은 vitamin C (180 $\mu\textrm{g}$/ml) 보다 뛰어난 소거 활성을 나타내었다. Superoxide radical을 소거하는 효과는 초두구 추출물의 $IC_{50}$/ 값 10 $\mu\textrm{g}$/ml, 빈랑 추출물이 15 $\mu\textrm{g}$/ml을 나타냈고, 이는 기준 물질인 vitamin C (35 $\mu\textrm{g}$/ml)보다 좋은 소거 활성을 보여주었으며, gallic acid 9 $\mu\textrm{g}$/ml과 유사한 효과를 나타내었다. 사람 섬유아세포를 배양하여 hydroxyl radical과 superoxide radical를 발생시킨 후 초두구와 빈랑 추출물의 세포 보호 효과를 실험한 결과 25 $\mu\textrm{g}$/ml의 농도로 처리하였을 때 각각 85% 이상의 우수한 세포 보호 효과를 나타내었다. 초두구로부터는 자유라디칼 소거 활성이 있는 물질을 분리하기 위하여 분획한 후 가장 높은 소거 활성을 보인 에틸아세테이트 층에 대하여 silica column chromatography, preparative TLC를 수행하였다. 초두구로부터 분리된 물질은 HPLC를 이용한 분리에서 phenol성 물질인 gallic acid와 동일한 retention time을 보여줌으로써 초두구로부터 분리된 물질은 gallic acid와 유사한 phenol성 물질이거나 그의 유도체일 것으로 추측된다. 따라서, 초두구와 빈랑 추출물은 피부 노화의 주요인이 되고 있는 lipid radical, hydroxyl radical, superoxide radical을 소거하는 활성이 뛰어나 자유라디칼에 의하여

• 한국통신학회논문지
• /
• 제32권11A호
• /
• pp.1197-1205
• /
• 2007

Adaptive K-best 검출 방식은 MIMO system을 위해 제안된 알고리즘이다. 제안된 방식은 각 K-best 단계에서 Zero-Forcing(ZF) 추정치의 신뢰도의 정도를 기반으로 하여, 생존 path들의 개수인 K값을 바꾸는 방식이다. 고정된 K값을 사용하는 K-best 방식의 치명적인 단점은 잘못된 ZF 추정치에 의해 발생하는 불완전한 간섭 제거로 인해 올바른 path임에도 일시적으로 그 거리가 K개의 최소 path 거리들 보다 더 커질 수 있다. 잘못된 ZF 추정치가 발생된 경우에는, path들 간의 거리들이 뚜렷하게 다르지 않다는 것을 관찰을 통해 발견하였다. 본 논문에서는 ZF 추정치의 신뢰도를 나타내는 지표로, 최소값을 갖는 path의 거리와 두 번째 최소값을 가지는 path 거리의 비를 사용한다. 최소값을 가지는 두 path의 거리의 비를 근거로, K값을 적절하게 선택하는 제안된 방식은 기존의 고정된 K값을 사용하는 K-best 방식에 비해, 확연히 개선되었음을 보여준다. 제안된 방식은, 큰 K값을 사용하는 방식에 비해 평균 계산양은 매우 작으면서, 큰 K값을 사용한 방식의 성능을 가진다.

• 융합보안논문지
• /
• 제23권1호
• /
• pp.89-95
• /
• 2023

자동차보험 사고 환자의 진료비 감소를 위한 대책 마련에 도움을 주기 위해 본 연구에서는 자동차보험 사고 40대~50대 경상 환자들의 진료비에 가장 핵심 요소인 진료 기간을 예측하고 진료 기간에 영향을 미치는 요인을 분석하였다. 이를 위해 Decision Tree 등 5개 알고리즘을 활용한 머신러닝 모델을 생성하고 모델간에 그 성능을 비교·분석하였다. 진료 기간 예측에 정밀도, 재현율, FI 점수 등 3가지 평가 지표에서 좋은 성능을 나타낸 알고리즘은 Decision Tree, Gradient Boosting 및 XGBoost 등 3가지였다. 그리고 진료 기간 예측에 영향을 미치는 요인 분석 결과, 병원의 종류, 진료 지역, 나이, 성별 등으로 나타났다. 본 연구를 통해 AutoML을 활용한 손쉬운 연구 방법을 제시하였으며, 본 연구 결과가 자동차보험 사고 진료비 경감을 위한 정책에 도움이 되기를 기대한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 하계학술대회
• /
• pp.276-277
• /
• 2010

비디오 전송시스템에서 사용자가 시청하는 비디오의 화질을 측정하는 것은 중요한 작업이다. 압축된 비디오 스트림에서는 원본 영상이 없어 PSNR을 구할 수 없기 때문에 비디오 스트림 내 정보의 통계적 특성을 이용한 무참조(no-reference) PSNR 추정기법이 사용된다. 그러나 이 알고리즘은 인터 프레임에서의 성능이 매우 떨어지는 단점이 있기 때문에 신뢰도가 떨어지며 ML방법을 이용해 이 문제를 개선한 알고리즘이 있지만 복잡도가 증가하여 상용화에는 부적합하다. 본 논문에서는 이전 프레임의 PSNR과 인터 블록의 통계적 특성을 고려한 새로운 알고리즘을 제안하여 복잡도의 증가 없이 인터 프레임에서의 PSNR 추정 성능을 향상시켰다.

• 한국음향학회지
• /
• 제17권8호
• /
• pp.25-33
• /
• 1998

본 논문에서는 한 쌍의 센서를 이용하여 미지의 수중 음향 신호의 시간지연의 차 (Time Delay Difference)를 추정하고 탐지하는 알고리즘을 다루고 있다. 전형적인 시간지연 차의 최적화 추정 기법은 두 신호의 상관관계(Cross Correlation)에 의한 ML(Maximum likelihood)추정으로 구할 수 있지만, 실제 수중 음향 환경 하에서 시간 지연뿐만 아니라 표 적의 이동에 의하여 발생하는 도플러 효과로 신호의 주파수도 변하게 된다. 이러한 신호 주 파수의 올바른 고려 없이 단순히 두 신호의 시간지연만을 추정하는 방법은 불가피한 에러를 생성하게 된다. 본 논문에서는 시시각각 변하는 시간지연의 차를 구하기 위한 준 최적화 기 법인 확률분포 함수의 Recursive Filter에 시간 지연 차와 도플러효과의 2차원 확률분포 함 수를 적용한 추정 알고리즘을 제안한다. 관측된 신호의 리샘플링(Resampling)을 통하여 도 플러 효과를 보상한 후 2차원 Conditional likelihood를 구하고 Projection과 Correction 과정 을 통하여 시간지연과 도플러 효과에 대한 사후확률을 구한다. 그리고 이러한 알고리즘을 가상 시나리오에 대한 모의실험을 통하여 평가한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.193-195
• /
• 2003

본 논문에서는 k-Nearest Neighbor(k-NN) 알고리즘을 최적화하기 위해 지역적으로 다른 k(고려할 neighbor의 개수)를 사용하는 새로운 방법을 제안한다. 인스턴스 공간(instance space)에서 노이즈(noise)의 분포가 지역적(local)으로 다를 경우, 각 지점에서 고려해야 할 최적의 이웃 인스턴스(neighbor)의 수는 해당 지점에서의 국부적인 노이즈 분포에 따라 다르다. 그러나 기존의 방법은 전체 인스턴스 공간에 대해 동일한 k를 사용하기 때문에 이러한 인스턴스 공간의 지역적인 특성을 고려하지 못한다. 따라서 본 논문에서는 지역적으로 분포가 다른 노이즈 문제를 해결하기 위해 인스턴스 공간을 여러 개의 부분으로 나누고, 각 부분에 최적화된 k의 값을 사용하여 kNN을 수행하는 새로운 방법인 Local-k Nearest Neighbor 알고리즘(LkNN Algorithm)을 제안한다. LkNN을 통해 생성된 k의 집합은 인스턴스 공간의 각 부분을 대표하는 값으로, 해당 지역의 인스턴스가 고려해야 할 이웃(neighbor)의 수를 결정지어준다. 제안한 알고리즘에 적합한 데이터의 도메인(domain)과 그것의 향상된 성능은 UCI ML Data Repository 데이터를 사용한 실험을 통해 검증하였다.

• 문화기술의 융합
• /
• 제4권2호
• /
• pp.197-204
• /
• 2018

현재 우리가 사는 21세기에서 가장 핫한 이슈중 하나는 AI이다. 농경사회에서 산업혁명을 통해 육체노동의 자동화를 이루었듯이 정보사회에서 SW혁명을 통해 지능정보사회가 도래햇다. Google '알파고'의 등장으로 인해 컴퓨터가 스스로 학습하고 예측하는 machine learning (머신러닝) 사례를 보면서 이제 바둑의 세계 까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 기계학습ML(machine learning)은 인공 지능 분야로, 인공지능 컴퓨터가 인간을 뛰어넘는 시대가 도래했다. 기계학습ML(machine learning)은 인공지능의 분야로, 인공지능 컴퓨터가 혼자 학습 하도록 알고리즘 기술 개발을 하는 뜻을 의미하는데, 많은 기업들이 머신러닝을 바둑의 세계까지 인간이 컴퓨터를 이길 수 없는, 다시 말하면 컴퓨터가 인간을 뛰어넘는 시대가 왔다. 많은 기업들이 머신러닝을 용하는데 그 예로는 Facebook에서 이미지를 계속 학습하여 나중에 그 이미지가 누구인지 알려주는 것도 머신러닝의 한 사례이다. 또한 구글의 데이터 센터 최적화를 위해서 효율적인 에너지 사용 모델 구축을 위해 neural network(신경망)을 활용하였다. 또 다른 사례로 마이크로소프트의 실시간 통역 모델은 번역 학습을 통해 언어관련 인풋 데이터가 증가할수록 더 정교한 번역을 해주는 모델이다. 이처럼 많은 분야에 머신러닝이 점차 쓰이면서 이제 우리 21세기 사회에서 앞으로 나아가려면 AI산업으로 뛰어들어야 한다.

• 한국정보통신학회논문지
• /
• 제10권7호
• /
• pp.1287-1294
• /
• 2006

최근의 무선 패킷데이터 시스템에서 짧은 버스트 데이터의 전송이 많이 사용되고 있고 훈련 심볼에 의한 오버헤드가 심각한 문제를 야기할 수 있다. 따라서 적응등화기의 설계에 있어서 짧은 훈련심볼과 빠른 수렴 알고리즘이 필수적인 문제라고 할 수 있다. 본 논문에서는 짧은 훈련심볼을 사용하는 MTLMS (multiple-training least mean square) 기반의 DFE (decision feedback equalizer) 의 성능을 향상시킬 수 있는 등화알고리즘을 제 안한다 . 제안된 알고리즘에서 DEF의 출력 은 LMS(least mean square) 기반의 적응DEF 루프로 입 력되고 확장된 훈련심볼로서 사용된다. 또한 전체적인 처리를 위하여 ML (maximum likelihood) 추정기를 사용하는 블록연산 대신에 낮은 복잡도의 적응 LMS연산이 사용된다. 시뮬레이션 결과에서 제안된 등화기는 반복귀환이 증가함에 따라 성능이 향상되고 시변 페이딩에 보다 강한 성능을보여준다.